【SLAM论文笔记】PL-EVIO笔记(中)

滑窗优化

窗口由10个关键帧组成。

优化的状态参数包括事件点与图像点的逆深度、事件线特征的4参数正交表达(下一小节描述),各个关键帧IMU的加计和陀螺的零偏、世界坐标系下的位置p、速度v与姿态四元数q,IMU与相机的外参,IMU与事件相机的外参;比VINS多了事件点线特征的参数、事件相机与IMU的外参等。
χ = [ χ b λ c λ e ϕ l T c b T e b ] \bold{\chi} = \begin{array}{}[\bold{\chi}_b&\bold{\lambda}_c&\bold{\lambda}_e&\bold{\phi}_l&\bold{T}^b_c&\bold{T}^b_e]\end{array} χ=[χbλcλeϕlTcbTeb]

其中, χ b \bold{\chi}b χb是各关键帧的位姿参数包含加计、陀螺零偏, λ e \lambda_e λe、 λ c \lambda_c λc分别是事件相机、普通相机的图像特征点的逆深度, ϕ l \phi_l ϕl是各关键帧事件相机图像恢复出空间直线的4参数表达。
χ b = [ X 1 X 2 . . . X 10 ] X k = [ p b k w q b k w v b k w b a k b g k ] λ c = [ λ 0 c λ 1 c . . . λ m c c ] λ e = [ λ 0 e λ 1 e . . . λ m e e ] ϕ l = [ ϕ l 0 ϕ l 1 . . . ϕ l n ] \bold{\chi}b =\begin{array}{}[\bold{X}1&\bold{X}2&...&\bold{X}{10}]\end{array} \\ \bold{X}k=\begin{array}{}[p^w{b_k}&q^w{b_k}&v^w{b_k}&b
{a_k}&b_{g_k}]\end{array} \\ \bold{\lambda_c}=\begin{array}{}[\lambda^c_0&\lambda^c_1&...&\lambda^c_{m_c}]\end{array} \\ \bold{\lambda_e}=\begin{array}{}[\lambda^e_0&\lambda^e_1&...&\lambda^e_{m_e}]\end{array} \\ \bold{\phi}l=\begin{array}{}[\bold{\phi}{l_0}&\bold{\phi}{l_1}&...&\bold{\phi}{l_n}]\end{array} \\ χb=[X1X2...X10]Xk=[pbkwqbkwvbkwbakbgk]λc=[λ0cλ1c...λmcc]λe=[λ0eλ1e...λmee]ϕl=[ϕl0ϕl1...ϕln]

相关推荐
jimmyleeee16 小时前
人工智能基础知识笔记三十四:提升RAG效果的几种技术
人工智能·笔记
Lonely 净土17 小时前
渗透学习笔记-前四天
笔记·学习
TensorFlowGAN17 小时前
渗测随堂总结笔记 1(未完,一二章+三章 01)
笔记
摇滚侠17 小时前
尚硅谷 Nginx 教程(亿级流量 Nginx 架构设计),基本使用,笔记 6-42
java·笔记·nginx
SenChien17 小时前
Java大模型应用开发day06-天机ai-学习笔记
java·spring boot·笔记·学习·大模型应用开发·springai
JavaLearnerZGQ17 小时前
Vue3全部笔记
笔记
weixin_4407305017 小时前
01测试前置知识笔记
笔记
STLearner17 小时前
AAAI 2026 | 时间序列(Time Series) 论文总结[下] (分类,异常检测,基础模型,表示学习,生成)
大数据·论文阅读·人工智能·python·深度学习·机器学习·数据挖掘
代码游侠18 小时前
应用——基于 51 单片机的多功能嵌入式系统
笔记·单片机·嵌入式硬件·学习·51单片机
lkbhua莱克瓦2418 小时前
CSS盒子模型:网页布局的基石与艺术
前端·css·笔记·javaweb